机器人写稿首获版权，智能写作走向何方
原标题：前沿|机器人写稿首获版权，智能写作走向何方？编者按：机器人写稿、人工智能协同写作，这些新的新闻写作方式出现之初，就受到业界学界的广泛关注，甚至被一些人看作是未来新闻生产的常态化模式。与之相伴的作品版权问题，也成为摆在新闻界、法律界面前的一个新课题。日前，全国首例认定人工智能生成文章构成作品案判决生效，引起业内对AI写作版权问题的再次关注。本期“前沿”邀请三位业界学界资深人士，结合各自的研究和实践，共同探讨这一话题，希望为大家提供借鉴和参考。
背景：2018年8月20日，腾讯证券网站首次发表财经报道文章《午评：沪指小幅上涨0.11%报2671.93点通信运营、石油开采等板块领涨》，末尾注明“本文由腾讯机器人Dreamwriter自动撰写”。同日，上海盈讯科技有限公司在其运营的“网贷之家”网站，也刊发了一篇财经报道文章，标题和内容与涉案文章完全一致。为此，深圳市腾讯计算机系统有限公司将上海盈讯科技有限公司告上法庭。今年1月，广东省深圳市南山区人民法院一审审结该案，认定被告未经许可，向公众提供被诉侵权文章内容的行为，侵害了原告享有的信息网络传播权，应承担相应的民事责任。因被告已经删除侵权作品，判决被告赔偿原告经济损失及合理的维权费用人民币1500元。目前该案一审判决已生效。此案系全国首例认定人工智能生成的文章构成作品案件。
机器人写稿第一案的启示
万学忠
在智媒时代，人工智能可以实现完全智能化内容创作，给予人工智能创作的内容以版权保护，是一种趋势
前段时间，腾讯机器人Dreamwriter自动撰写的稿件，被深圳市南山区法院判决认定构成著作权法意义上的“作品”，享有著作权。这一判决是司法实践迈出的一大步。该判例所确定的司法原则，对媒体更广泛深入地应用机器人写作将起到推动作用。
人工智能已经覆盖新闻写作、图片生成、视频与音乐创作，以及虚拟歌手、明星换脸、内容智能分发等各文化内容领域。据美国NarrativeScience预测，未来15年内，90%以上的新闻稿将由人工智能创作。
智能写作辅助系统除了腾讯的Dreamwriter，还有由微软（亚洲）互联网工程院推出的微软小冰，新华社第一位机器人“记者”快笔小新，由中国科学报社和北京大学科研团队共同研发的“小柯”，谷歌“诗人”RKCP等。
在智媒时代，人工智能可以实现完全智能化内容创作，给予人工智能创作的内容以版权保护，是一种趋势。在国际上，英国、新西兰、爱尔兰等国家已将人工智能创作的内容纳入版权法的保护范围。欧盟法律事务委员会曾提出要赋予人工智能机器人著作权，同时提出需要界定人工智能的“独立创造”的标准，明确版权归属。澳大利亚政府部门已在政策上支持部分人工智能创作物具备独创性。
目前，我国对于人工智能创作物的法律保护仍为空白，著作权法正在修订中，已有很多提案建议将人工智能创作物的保护纳入法律中。
在立法明确之前，深圳市南山区法院的判决是一个积极信号。南山区法院的判决，在人工智能生成物的独创性判断步骤、如何看待人工智能生成物的创作过程以及相关人工智能使用人员的行为能否被认定为法律意义上的创作行为等问题上，做出了探索性认定。法院认为涉案文章是由原告主持的多团队、多人分工形成的整体智力创作完成的作品，整体体现原告对于发布股评综述类文章的需求和意图，是原告主持创作的法人作品。
该判决对机器人写作确立的几项司法判定原则值得关注：一是认定具有独创性，二是认定构成“作品”，三是认定享有著作权法意义上的“著作财产权”，四是认定著作权属于“法人”。
在人工智能写作远未受到传统媒体机构重视的当下，这一判例至少对媒体机构产生以下启示：
一是媒体机构要热情拥抱新技术，积极推动机器人写作实践。
二是对机器人写作要有准确认知。操作人员的构思和需求仍然是智能生成“作品”质量的决定性因素，也是构成“作品”独创性的前提。
三是对机器人辅助写作生成的作品，法人享有著作权，能够给法人带来经济利益。
当下，对有关人工智能创作内容的版权保护，我国仍存在立法空白与学术争议。如不确定，将导致我国产业界在此领域的智力与资金投入无法获得稳定的法律保护预期，也将影响媒体对人工智能的应用和信息内容的产出和传播。希望立法能早日完善。（作者系法制网总裁）
独创性是AI作品的重要衡量
焦旭锋乔煜城
随着未来AI技术的进一步成熟，在全新的创作模式之下，应该有一套全新的可用于解读智能时代“人机协作”的知识产权法理论体系诞生，迎接目前所面对的新挑战
近几年，伴随着人工智能概念与产业的高速发展，新闻业也刮起了一阵“智能化”的强风。2019年12月12日，新华社首个智能化编辑部正式建成并投入使用，将新闻采集、生产与分发进行全流程智能化赋能，真正意义上实现了人工智能技术在新闻行业的全要素落地。新华社智能化编辑部通过研发人工智能技术具体应用的直接赋能，大幅提高了融媒体产品创意创新能力和生产传播效率，是新华社国家重点实验室的重要成果。
人工智能的发展日益迅猛，国家新闻媒体机构及社会企业利用和训练AI来创作已成趋势，人工智能更是成为传媒行业不可多得的助力。通过使用诸如新华社智能编辑部推出的新华时政动漫短视频平台、美国谷歌公司旗下的“猜画小歌”、微软的人工智能“小冰”等智能生产工具实现内容创作与加工制作，使“AI写小说”“AI作曲”“AI写诗”成为现实。但是AI创作中所涉及的版权问题却很少被重视，并因此引发版权纠纷。伴随着人工智能技术的不断进步，AI已经对包括著作权法在内的知识产权制度形成新挑战。
近日，一则人工智能写作领域诉讼案――腾讯状告“网贷之家”落下帷幕。腾讯通过AI生成的作品属于著作权法保护范围，“网贷之家”网站未经授权抄袭属于侵权。这是国内第一次以法律判决形式认定AI生成的作品具有著作权。但在早前，国内也出现过AI作品版权纠纷的案例。该案也是国家首次对人工智能软件自动生成内容的属性及其权益归属作出司法回应。
2018年12月，北京菲林律师事务所起诉北京百度网讯科技有限公司，称其在公众号上发布的一篇大数据报告，被他人转载到百度百家号，该行为侵害了其信息网络传播权。同时，被告还将涉案文章进行了删改，侵害了原告的署名权及保护作品完整权。而被起诉方百度认为，涉案文章系采用法律统计数据分析软件生成，不具有独创性，不属于著作权法的保护范围。原告菲林律所不是本案的适格主体，无权主张权利。原告无证据表明被告发布了涉案文章。此案历经数月之后，北京互联网法院一审公开宣判此案，认为涉案文章中的图形为人工智能软件自动生成，不符合图形作品的独创性要求，不构成图形作品，原告对其享有著作权的主张不能成立。
通过两起案例产生的不同判决结果可以看出，独创性是界定AI作品是否拥有版权的衡量因素之一。另外，AI作品的权利人归属，即AI作品的作者到底是谁，这也是直接涉及到权利主体的问题。在我国现行法律框架之下，纳入著作权法保护的主体，是自然人或特定情况下的法人，他们才拥有作者或著作权人的身份。
随着时政报道的多样化和产品内容的不断转型与升级，在对待AI创作生产作品知识产权保护上，是把AI技术当作新闻生产的辅助工具还是创作主体就显得尤为重要。
在新闻信息的采集阶段，那些由AI程序自动抓取处理生成的信息与数据，不经过“深度学习”也没有体现创作者思想情感和技术指标的内容，最终所呈现的分析报告及结论也仅仅是对公开数据和信息进行了选择与分析。所有这些成果都只是计算机程序的运算结果，这样在相同的条件下通过相同技术条件使用此AI的人都会得到相同的结果。因此，无论其内容多么丰富，逻辑多么严密，都不具备著作权法上作品的独创性要求。不是人的智力活动，不是作者思想情感的表达，不具有独创性。
北京互联网法院法官卢正新说：“人工智能软件自动生成内容过程中，软件研发者（所有者）和使用者的行为并非法律意义上的创作行为，相关内容并未传递二者的独创性表达，因此，二者均不应成为人工智能软件自动生成内容的作者，该内容也不能构成作品，不具备著作权。”
但在新闻信息的加工编辑阶段，可利用成熟的AI辅助生产工具制作出原创作品。例如在新华时政动漫短视频平台上制作的时政动漫短视频。此类产品被广泛运用到各家媒体所制作的融媒体产品中，在全国两会、庆祝改革开放40周年、庆祝新中国成立70周年等重大报道里也屡见不鲜；或是如开头所提及的腾讯-网贷之家版权诉讼案中，腾讯开发的写稿机器人Dreamwriter软件产出的文章；亦或是由法国研发团队Obvious以生成对抗网络（GAN）的人工智能算法创作出的画作《埃德蒙贝拉米》（EdmondBelamy）和微软小冰已经出版的诗集和画册《阳光失了玻璃窗》。这些利用人工智能技术打通生产流程的“关节”、以人机协同疏通生产内容的“脉络”，最终用全智能化的生产模式“重塑其身”的方式方法大大降低了创作成本。
不可否认的是，虽然人工智能软件自动生成的内容不构成作品，但通过人类主导计算机、思维领导算法的再创作显然是有其独创性的。利用好这种全新的融媒体发展理念和强大的人工智能技术支持，融媒体产品的生产能实现提速、提量、提质、提效等多重升级。让记者编辑把更多精力放在创意策划上，解放重复的劳动，去从事具挑战和智慧的工作。同时，人工智能辅助生产工具的使用权限也是有一定法律要求的，不意味着公众可以自由使用。“人工智能软件自动生成的内容凝结了软件研发者（所有者）和软件使用者的投入，具备传播价值，应当赋予投入者一定的权益保护。软件研发者（所有者）可通过收取软件使用费，使其投入获得回报。软件使用者可采用合理方式，在人工智能软件自动生成的内容上表明其享有相关权益。”北京互联网法院法官李明檑说。
随着未来AI技术的进一步成熟，在全新的创作模式之下，应该有一套全新的可用于解读智能时代“人机协作”的知识产权法理论体系诞生，迎接目前所面对的新挑战。人类创造AI，AI辅助人类去创造更多的可能。这套理论体系理应进一步符合并鼓励技术创新原则，用尊重作品创新的态度去完善和理解。这需要司法体系去顺应时代发展和人类社会发展的进一步完善，我们拭目以待。（作者焦旭锋系新华社新媒体中心融媒体部副主任，乔煜城系新华社新媒体中心融媒体部编辑）
弱人工智能时代，谁是AI作品权利人
朱巍
从现在科技发展阶段看，AI尚处在弱人工智能阶段，创作能力、目的、水平都依靠人的因素作用。在今后相当长时间内，AI作品的独创性定位仍不能脱离使用程序者
AI作品版权问题比较复杂，通过近年来法院对相关案件的判例，结合著作权法及相关规定，我们分情况来进行分析。
AI作品是否有版权
一个作品是否能被著作权法所保护，关键点在于是否具有独创性，换句话说，并非所有的作品都受到法律的保护。
2018年北京菲林律师事务所诉百度公司AI著作权案中，法院认为AI产生的“图形作品”缺乏独创性，没有认定为著作权法所保护的作品。与此相关，在随后深圳法院审理腾讯诉盈讯公司AI作品案中，认为AI程序生成作品“结构合理”“逻辑清晰”，从而认定具有独创性。从司法判例看，AI作品是否有版权，认定的关键在于是否具有一定的“独创性”。必须指出，AI作品独创性判断并非依据的是“图灵测试”，无需读者能够判断其是否为程序所完成，即便是注明作者为机器人，只要创作作品具备独创性条件，都应纳入到著作权保护范围。
此外，有两点需要特别注意。一是AI程序完成的统计结果、数据化展示、图形标识、爬虫拼凑等作品，一般认为不具有独创性，很难受到著作权法保护。二是AI程序完成的以上成果，如果在此基础上有人工再次创作，与之前的AI作品形成不可分割的完整作品时，应受到著作权保护。
例如，某“洗稿”神器爬虫拼凑的文章，即便编辑加了个标题，这也因缺乏独创性不属于著作权法作品范围；如果利用AI将同类稿件观点分类，加以出处，进行总结评价形成新的结论，那这就属于新作品。
AI作品权利人是谁
AI作品权利人问题争议较大，以北京菲林律师事务所诉百度公司案为例，法院认为文字作品应由自然人完成。这里说的自然人并非完全是对AI创作的全盘否认，而是为了强调作品作者应是利用AI程序的人，而非AI程序的开发者。比如，A公司开发了AI写作系统，B公司购买并利用了产品，那么AI写出来的文章权利人是B公司，而非A公司。
在相关涉诉案件中，AI主体不管是否有虚拟人格，比如腾讯的“Dreamwriter”，微软的“小冰”等，在著作权法律地位上都不能成为权利人。至少在当今科技背景下，虚拟人格尚不能成为现实法律主体。在法律主体性质上，AI作品的权利人主体只能是著作权法中的自然人、法人或其他组织。一般来说，利用AI形成作品的行为大多属于法人作品。
AI作品的未来发展
信息网络传播权是AI作品财产权的重要体现方面，即便法院没有认定AI作品的独创性，但也不影响权利人对作品信息网络传播权的维护，未来相关作品的权利体现将大量出现在这个领域。
从现在科技发展阶段看，AI尚处在弱人工智能阶段，创作能力、目的、水平都依靠人的因素作用。所以，在今后相当长时间内，AI作品的独创性定位仍不能脱离使用程序者。也许未来技术进步到强人工智能时代，相关的法律才会真正承认虚拟人格法律位置，到那个时候，再修改法律也来得及。（作者系中国政法大学传播法研究中心副主任）
(责编：宋心蕊、赵光霞)分享让更多人看到
文学创作人工智能化的前瞻性分析
关键词：人工智能人工智能作为一门学科交叉的新兴学科，自诞生以来就以其技术革命的颠覆意义和实际应用范围的强势扩张而备受关注，并且取得了迅猛的发展。它通过模拟、延伸和扩展人的意识及思维，来使机器能够更加高效准确地胜任多场景程式化的工作，并逐渐在人类社会生活的各个领域尝试更多层面的拓展。人工智能似乎一直在试探由人工打造的智能究竟能够在多大的程度上取代传统的“人工”，而对于人工智能的需求、期待和恐慌也由此交织而生。
肇始于自然科学和社会科学交叉的人工智能，似乎是因为学科起源而对人文科学始终抱有一种敬畏的姿态和挑战的欲望。尤其当以清华大学自然语言处理与社会人文计算实验室打造的人工智能诗歌写作系统“九歌”为代表的诸多人工智能写诗系统的问世，文学创作人工智能化的未来和前景就更加令人好奇。
以“九歌”2.0版本的系统为例，此人工智能诗歌写作系统将人工智能诗词写作分为“绝句”“风格绝句”“藏头诗”“律诗”“集句诗”“词”六大类，每一类又下分“五言”、“七言”、词牌名等小分支。如在生成诗歌检索框内输入中国传统诗歌意象“明月”，在不同类别下可得下述诗词：
五言绝句：
明月照双鬓，孤灯夜雨床。
客怀何以遣，世事自堪伤。
“忆旧感喟”风格五言绝句：
明月满江楼，乾坤一钓舟。
滔滔沧海上，莽莽万山秋。
五言律诗：
白璧无纤翳，青灯见一轮。
高山流皎魄，寒水带澄春。
玉镜当楼暗，珠帘隔帐频。
不愁清夜永，何地有婵尘。
如梦令·明月
明月照人清泪，冷落一床秋思。偏到小楼西，夜夜绣帘垂地。无计，无计，愁锁眉峰十二。
梧桐影·明月
明月斜，河边渡。舟子笑声何处来，郎船恰似潇湘浦。
忆江南·明月
人去也，最好是江边。明月多情圆又缺，断云无意复遮天。风里一条弦。
综观上述六首诗词能够发现，“九歌”人工智能诗歌写作系统能够偶得“明月满江楼，乾坤一钓舟。滔滔沧海上，莽莽万山秋”这样的佳篇和“风里一条弦”这样的佳句。正如韩少功曾拿秦观的《金山晚眺》和IBM公司的“偶得”软件生成作品做对比时，“三十多位文学研究生，富有阅读经验和鉴赏能力的专才们，也多见犹疑不决抓耳挠腮”[1]。“九歌”人工智能诗歌写作系统生成的诗歌作品也往往能够“以假乱真”，让人难以辨别是不是“人”作；尤其是一些风格化的作品，它模仿具有标志性诗人风格的作品时信手拈来。但是“九歌”人工智能诗歌写作系统生成的作品也不乏一些略显牵强之句，偶尔会出现句与句之间为了满足意象与格律的要求而产生逻辑不连贯的现象。
“九歌”人工智能诗歌写作系统的官方介绍提到“该系统采用最新的深度学习技术，结合多个为诗歌生成专门设计的模型，基于超过80万首人类诗人创作的诗歌进行训练学习。区别于其他诗歌生成系统，九歌具有多模态输入、多体裁多风格、人机交互创作模式等特点”。基于系统的开发理念，在使用时也确实出现了以下几个明显的感受：
生成速度快。每首诗词的生成时间在3秒钟左右，即时便可获取与主题词相关的作品；即使是同一关键词的重复生成，也基本在这个时间区间之内。
格律严格规范。严格遵循诗词的字数、押韵、平仄、对仗等方面的要求，在这一点上“九歌”人工智能诗歌写作系统确实拥有了比人的创作更丰富的词汇库和更快捷的选取速度。
总体风格一致。不同类型的诗歌风格无较大出入；但有相当一部分诗词呈现出较强的个人风格，这或许是因为“九歌”人工智能诗歌写作系统作为人工智能系统，本身就擅长对同一诗人不同作品的相同风格归纳与分析。
诗词的艺术审美价值总体较高。具有一定的品读空间，但也具有较大的局限性；这或许是因为“九歌”人工智能诗歌写作系统的词汇库本身就来自古代众多诗人的作品，尤其在词的选用上可谓细致琢磨。诗词词汇、意象重复率较高；同一意象词汇识别和替换较为成熟，具有明显的排列组合意味。
比如在五言绝句板块重复生成以“明月”为主题关键词的作品，得到以下几首：
明月照双鬓，浮云暮雨祠。
湖山千古事，一一付新诗。
明月青天上，凉风细柳边。
客怀何处写，多病未归眠。
明月照双鬓，浮云暮雨祠。
此生何日了，犹得话襟期。
明月照孤城，徘徊动旅情。
乡心随去住，何处候春晴。
明月青天上，凉风古渡头。
乡心何处切，回首愧沙鸥。
在五言律诗板块得到以下几首：
皎洁秋天夜，流光照我庐。
寒侵衾簟冷，风入漏壶虚。
玉笛惊初断，金波洗欲馀。
幽怀正寂寞，更待一年书。
清光无一点，寒色照人眠。
不见婵娟女，能窥窈窕天。
可怜团玉指，相似捣金弦。
自是瑶台上，偏宜十二年。
白露生天表，黄云蔽广川。
秋来无限好，皎似此时妍。
万里连环水，微茫隔塞烟。
不须更买取，且复斗婵娟。
皎洁照长空，寒光满太宫。
无人知独露，有客问西风。
夜静天河碧，秋高树影红。
故园千万里，何处一悲翁。
皎洁清江水，澄光照客窗。
高秋生白露，远夜动黄厖。
桂魄迷寒渚，菱波下夕矼。
此时怀旧好，不觉雁声双。
由以上十首作品不难发现，“九歌”人工智能诗歌写作系统的排列组合特征显著，往往是不同词汇间的组合，甚至连句法结构的组合模式在不同作品之间也具有明显的相似特征。同时，“九歌”人工智能诗歌写作系统创作的诗词具有较高的程式化特征，这也正是因为绝句、律诗和词的规律性和规则性恰恰与人工智能所擅长的重复、组合、程序性等特点相吻合。对于人工智能而言，按照一定的编程程序选取固定词汇库里的元素进行有规律的排列组合，并不是一件难事；但是困难的却是如何在这种组合中体现出人文科学的思想性，这在目前看来却是有很大的挑战的。虽然在风格绝句中已经能够显现出较为一致的格式化，但是思想层面的彰显却要寄希望于不断排列组合的小概率偶然事件。正是因为人工智能需要海量的样本量才能从机器学习中习得规律再加以运用，所以它所创作出来的作品也都延承着旧文本库所标示的词汇、理念甚至是价值观。这对于需要时刻敏锐地感知当代生活的文学而言，无疑是产生了较大的滞后性和时差性。
对于诗词的创作尚且如此，映照到小说、剧本等不具有诗词如此显著规律特征的文学作品创作上更是存有巨大的难度。
当人工智能越来越广泛而深入地渗透进现代社会生活，这种由技术革新诱发的文化现象也在最具挑战性的人文科学领域暴露着倔强的野心。虽然在基于语义的自然分词等环节仍然存在着技术难关，诚然在诸多有规律可循的程式化工作中，人工智能确实意料之外地超越了“人”，但是对于文学创作这种个人意识性、思想性和伦理性极强的人文行为，人工智能能否带来更大的惊喜仍然处于未知。在这个背景下，文学创作人工智能化的必要性、需求性和思想性更值得商榷。
文学创作是否有必要人工智能化，其实往往成了一个容易被忽视的问题。在人工智能涉足文学创作的一瞬间，甚至在讨论人工智能能否代替人的创作之前，首先需要思考的是文学创作人工智能化的必要性究竟有多大。人工智能在转化为实际应用的过程中最突出的特点是快速、海量、准确，而这三个特点对于需要依靠沉淀出精品并且无固定标准的文学创作而言又是相悖的。文学创作引入人工智能，在目前看来并不能使文学创作得更“好”，反而有可能会对文学作品的思想境界、审美价值、伦理取向等方面产生冲击。文学创作的门槛并不是高不可攀，但却需要像钥匙对锁芯一样适配方能得其要领。但人工智能这把看似万能的钥匙在开启文学创作这扇门的时候，却总有一个齿槽别扭地吻合不上，转得动却打不开。如此而言，其实还是作为人学的文学并没有要实现人工智能化的必要性。尤其对于极具魅力和特性的汉语书写而言，其作为语言本身的复杂性和多变性就对使用过程提出了严峻的挑战，而中国文学的独特审美情趣和精神境界又对在这方面具有先天缺陷的人工智能坚决地表达了拒绝。所以当人工智能不能使文学创作变得更“好”的时候，它的必要性也就无足轻重。
但这却并不意味着文学创作不需要人工智能化。文学创作对于人工智能的需求性在当下主要体现在人工智能技术对于文学创作的辅助、参考作用上。正如“九歌”人工智能诗歌写作系统对于80万首人类诗人创作的诗歌进行了分类、整理和归纳，在某种程度上，它对于诗词创作是具有参考价值和比照意义的。目前来看它固然不能完全取代人的创作，但是却能为人的创作提供更为及时和丰富的启发与提示。甚至随着技术的不断发展，人工智能能够在更大的限度上弥补人的文学创作局限，而使文学实现在时代的多元变革中完成自身的“修整”与进步。所以对于文学创作而言，人工智能的更大用途是辅助，而不是替代。“未来人工智能辅助写作软件的发展方向主要有三个：一是不断提升参考样本推荐的智能化，为创作者提供实时样例作为写作参考或者灵感激发的触媒；二是不断解决超级长篇小说写作的‘记忆痛点’，开发具有智能分析和追踪创作者创作作品，对人设和情节做数据库处理，能形成超级及时在线人设和情节历史资料智能调取和提示功能；三是能通过逻辑合理性和历史合理性等运算，为作者提供大纲编写建议（故事策划）和人物性格设计建议。”[2]这或将是未来人工智能对文学创作做出的最可能也是最大的贡献。而作为一种不可忽视的文学现象，人工智能所进行的文学创作也许难以成为文学，但却能在对辅助和参照的需求意义上有进入文学史的可能。文学史不再单纯是“人”的文学史，也将出现机器的、人工智能的文学史。
也许随着技术的不断进步，人工智能能够在克服技术局限的背景下更深入地参与文学创作，但是对于文学创作过程中思想性的把握确实难以预判。与人工智能所擅长的程序化工作不同，文学的特点和魅力恰恰不在于重复和程式，而在于人类思想不断演进过程中与世界发生纷繁复杂的细微关系。“人工智能一旦作为社会系统被引入文学领域，文学作为人学在生态或进化意义上的价值便相对鲜明地获得显现。文学创作不只是个别诗人、小说家、散文家或剧作家的匠心独运，而且是人类精神生产的一个分支、创意产业的一个链条、知识产权的一种赋值。它并非只是作家个人闭门造车、搜索枯肠，而是通过交往实现的。”[3]这就如同亨利·詹姆斯在《小说的艺术》中把小说分为“有生活的小说”和“没有生活的小说”的分类法。“而机器人小冰绝无人类生命体验的温度波动，天然缺失需要倾诉的情感向度，《阳光失了玻璃窗》只是迭代计算的智能产物，匮乏直觉经验的诗歌意象，观念的意象替代隐喻的意象即是人工诗歌的抒情零度。”[4]谢雪梅在《文学的新危机——机器人文学的挑战与后人类时代文学新纪元》一文的第二部分“抒情性：情感的计算与抒情的零度”中也提到了人工智能作为机器在运算方面的擅长和在抒情方面的缺失。人工智能的前提是“人工”，它本身并不能主动并且敏感地感知社会生活中的迅速变化，而需要人工的前提设置。正如文学不是公式能够计算出来的，好的文学作品也没有一成不变的唯一准则，或者说文学之所以成为文学是因为人类个体的巨大差异性——尤其是思想和意识层面的多样——造就的感知、反映和改变社会的巨大能量，而非机器技术的，这就从学科的源头处产生了相悖的分歧。人工智能能够模仿人的机械性行为，但能在多大程度上模拟人的思想和意识行为不仅是人工智能与文学创作未来的看点，也是人工智能技术本身向纵深发展的关键一步。在这个意义上，文学创作人工智能化不仅回到了罗兰·巴特“作者之死”的问题上，甚至丰富了作者之“死”的新含义，延展出了人工智能是否给予了作者“重生”的新议题。
综上，人工智能在未来对文学创作的影响是值得期待的。在这个相遇过程中，人工智能如何在自我革新的进程中使文学成为更好的文学，将成为文学创作人工智能化必要性、需求性和思想性的最直接导向。
注释：
[1]韩少功：《当机器人成立作家协会》，《读书》2017年第6期。
[2]葛红兵：《人工智能写作：可能性及对人类文学生活的挑战》，《语文教学通讯》2020年第1期。
[3]黄鸣奋：《人工智能与文学创作的对接、渗透与比较》，《社会科学战线》2018年第11期。
[4]谢雪梅：《文学的新危机——机器人文学的挑战与后人类时代文学新纪元》，《学术论坛》2018年第2期。
人工智能与自然语言处理技术
随着人工智能技术的发展，我们生活中的许多应用都带上了“AI”的色彩，比如可以用计算机帮翻译外文文档。但有时候人工智也能会出一些小故障，变得不那么智能，尤其在语言处理方面。那么我们怎样才能让人工智能变成真正的“智能”呢？自然语言处理技术就是一个重要的方式。
自然语言处理技术（即natural language processing，简称NPL）是人工智能的一个重要分支，其目的是利用计算机对自然语言进行智能化处理。基础的自然语言处理技术主要围绕语言的不同层级展开，包括音位（语言的发音模式）、形态（字、字母如何构成单词、单词的形态变化）、词汇（单词之间的关系）、句法（单词如何形成句子）、语义（语言表述对应的意思）、语用（不同语境中的语义解释）、篇章（句子如何组合成段落）7个层级。这些基本的自然语言处理技术经常被运用到下游的多种自然语言处理任务中，如机器翻译、对话、问答、文档摘要等。
科学家研究自然语言处理技术（NLP）的目的是让机器能够理解人类语言，用自然语言的方式与人类交流，最终拥有“智能”。AI时代，我们希望计算机拥有视觉、听觉、语言和行动的能力，其中语言是人类区别于动物的最重要特征之一，语言是人类思维的载体，也是知识凝练和传承的载体。在人工智能领域，研究自然语言处理技术的目的就是让机器理解并生成人类的语言，从而和人类平等流畅地沟通交流。
但现在的人工智能常常和我们的人工评价有很大的出入，这也是基于AI算法的自动评测面临的最大挑战：如何与人工评价保持一致？应对这个挑战需要解决很多问题。以智能阅卷为例：如何制定电脑适用的评测标准？人工智能如何应对语言的千变万化？如何设计阅卷综合性的评测指标？有科学家认为，大数据与富知识双轮驱动或许能成为解决问题的关键，即在大数据驱动的基础上加入富知识驱动，可以突破现在智能语言处理技术上的瓶颈。
总而言之，自然语言技术的发展说明人工智能技术的核心还是在“人”。“人工智能和机器学习带给决策过程的支撑和信心将使创新加速，但这并不意味着人类的缺席。人们仍然需要定义分析的起点、标注主题并从收集的信息中提取所需数据。”
本文由北京市第六十五中学一级教师李岩进行科学性把关。
科普中国中央厨房新华网科普事业部科普中国-科学原理一点通联合出品更多精彩内容，请下载科普中国客户端。作者：和卓琳 [责任编辑:魏承瑶]人工智能如何实现写作
人工智能技术的快速发展扩大了其应用领域。从金融服务到小说创作，人工智能技术占据了一席之地。
人工智能能取代编辑吗？最近，一家公司开发了一款神奇的人工智能人工智能写作软件。据说人工智能现在可以理解85%以上的内容。现在它也可以用来写小说和网上文章。团队将准备小说的故事情节，并提供人工智能的替代词，机器将把这些元素组合成完整的句子。
众所周知，书写机器人不是机器实体，而是由人设计的软件系统。通过人工智能技术，它聚集整个网络的信息，分析大数据，然后用人类自然语言表达出来，生成新闻文章。
人工智能写作有两个特点：一是对目标数据的逻辑分析和对事实的总结；二是从大量信息中提取所需内容，通过排列组合形成文档。因此，人工智能写作显然是以主题为主题的，适合数据新闻或短期报道，而有些新闻公告机器人不能写。虽然人工智能写作是有思想的，但目前他们只能按照一定的程序写文章，但一篇完整的、有感情的文章不是简单的叙述。因此，人工智能仍需不断改进。也许有一天人工智能写作真的可以取代传统的编辑来智能写作！
如果您有互联网问题，也可以咨询我，谢谢！如果你也想一起学习人工智能，欢迎留言交流。
人工智能之搜索方法
人工智能之搜索方法人工智能课程复习笔记专题人工智能绪论人工智能之知识表示人工智能之搜索方法人工智能之经典逻辑推理人工智能之专家系统人工智能之不确定推理方法人工智能之机器学习
一、搜索的基本概念1、搜索的含义根据问题实际情况，不断寻找可利用的知识，构造一条代价最小的推理路线，使问题得以解决的过程称为搜索。
搜索类型按是否使用启发式信息：盲目搜索、启发式搜索按问题的表示方式：状态空间搜索、与或树搜索
2、问题表示法2.1状态空间表示法状态空间表示法用“状态”和“算符”来表示问题
状态：描述问题求解过程不同时刻的状态算符：表示对状态的操作状态空间：由初始状态集合，算符集合、目标状态集合构成的三元组。状态空间图：状态空间的图表示，节点为状态、有向边为算符
解：初始状态到目标状态所使用的算符序列
例子：二阶“梵塔”问题状态空间方法1)状态的表示柱的编号用i,j来代表(i,j)表示问题的状态其中:i代表A所在的柱子j代表B所在的柱子状态集合(9种可能的状态)s0=(1,1),s1=(1,2),s2=(1,3)s3=(2,1),s4=(2,2),s5=(2,3)s6=(3,1),s7=(3,2),s8=(3,3)
2)操作（算符）的定义定义操作A(i,j)表示把A从i移到j；B(i,j)表示把B从i移到j。操作集合(共12个算符）：A(1,2),A(1,3),A(2,1),A(2,3),A(3,1),A(3,2)B(1,2),B(1,3),B(2,1),B(2,3),B(3,1),B(3,2)
3）状态空间图
2.1与或树表示法与或树表示方法也称问题归约方法。把复杂问题转换为若干个需要处理的子问题后再加以分别求解的策略，可以递归的进行，直到问题转换为本原问题的集合。
分解将问题归约为一组子问题，当子问题都有解，原问题才有解。即子问题的“与”同原问题等价
等价变换将原问题归约为一组子问题，当子问题其中一个有解，原问题就有解。即子问题的“或”同原问题等价
本原问题不能再分解或变换，而且可以直接求解的问题。
端节点与终止节点在与/或树中，没有子节点的节点称为端节点；若该端节点是本原问题，则为终止节点。
可解节点满足一下条件之一：1）它是一个终止节点2）它是一个或节点，且其子节点至少有一个是可解节点。3）它是一个与节点，且其子节点均为可解节点
不可解节点可解节点的条件均不满足
解树可推出初始节点为可解节点的所有可解节点构成的子树
例子
二、状态空间树的搜索方法1、状态空间的盲目搜索方法特点1）按规定路线搜索，不使用启发式信息2）适用于状态空间图为树结构的问题搜索过程OPEN表：待考查节点CLOSED表：已考察节点结束标志目标状态出现
1.1宽度优先搜索1）把起始节点放入OPEN表中2）若OPEN表为空表则没有解，失败退出，否则继续。3）把OPEN表的第一节点N放入CLOSED表中4）考察节点N是否为目标节点，如果是则得到了解，否则继续5）如果N不可扩展，转至2），否则继续。6）取出N的所有节点放入OPEN表末尾，并为其配置父节点指针，然后转至2）例子
宽度优先改进判断其子节点是否为目标节点，这样可以减少一层
1.2深度优先搜索与宽度优先方法相同，只是第3）步从OPEN表取的是最后一个节点。例子
有界深度优先搜索固定深度：到一定深度没有则搜索兄弟节点可变深度：先小深度，再变大可变深度改进：搜到解后该深度为最大深度，继续搜索，深度只能减小，直至找到最优解
1.3代价树边上标有代价的树称为代价树。在代价树中，若用g(x)表示从初始节点S0到节点x的代价，用c(x1,x2)表示从父节点x1到子节点x2的代价，则有：g(x2)=g(x1)+c(x1,x2)
代价树的宽度优先搜索每次扩展时总是从OPEN表中选取全部代价最小的节点进行扩展。代价树的深度优先搜索每次扩展时总是选取刚扩展出来的节点中代价最小的节点进行扩展。
2、状态空间的启发式搜索在搜索过程中，关键的一步是如何确定下一个要考察的节点，确定的方法不同就形成了不同的搜索策略。如果在确定节点时能充分利用与问题求解有关的控制信息，估计出节点的重要性，就能在搜索时选择重要性较高的节点，以利于求得最优解。
估计函数f(x)=g(x)+h(x)其中g(x)为从初始节点S0到节点x已经实际付出的代价；h(x)是从节点x到目标节点Sg的最优路径的估计代价，h(x)称为启发函数，它体现了问题的启发性信息。
局部择优搜索当一个节点被扩展以后，按f(x)对每一个子节点计算估价值，并选择最小者作为下一个要考察的节点。
深度优先搜索：f(x)=d(x)代价树的深度优先搜索：f(x)=g(x)局部择优搜索：f(x)=g(x)+h(x)
全局择优搜索每次总是从OPEN表的全体节点中选择一个估价值最小的节点。
宽度优先搜索：f(x)=d(x)代价树的宽度优先搜索：f(x)=g(x)全局择优搜索：f(x)=g(x)+h(x)
有序搜索当搜索过程生成一个节点i时，需要把节点i的状态与已生成的所有节点的状态进行比较，若节点i是一个已生成的节点，则表示找到一条通过节点i的新路径。若新路径使节点i的估价值更小，则修改节点i指向父节点的指针，使之指向新的父节点；否则，不修改节点i原有的父节点指针，即保留节点i原有的路径。
(1)把初始节点S0放入OPEN表，f(S0)。(2)如果OPEN表为空，则问题无解，退出。(3)把OPEN表的第一个节点(记为节点n)取出放入CLOSED表。(4)考察节点n是否为目标节点。若是，则求得了问题的解，退出。(5)若节点n不可扩展，则转第(2)步。(6)扩展节点n，生成其全部子节点。对节点n的每个子节点i，计算f(i)。考察节点i是否为已生成过的节点。①如果节点i既不在OPEN表中，又不在CLOSED表中，则节点i是一个新节点。为节点i配置指向父节点n的指针，把节点I放入OPEN表中，然后对OPEN表中的全部节点按估价值从小到大的顺序进行排序。②如果节点i已在OPEN表中或在CLOSED表中，则节点i是一个已生成过的节点。比较节点i刚计算的f(i)新值与表中记载的f(i)旧值，若新的f(i)值较小则：(a)对表中节点i的有关记载进行下述修改：用f(i)的新值代替旧值，修改节点i指向父节点的指针，使之指向新的父节点n。(b)若节点i在CLOSED表中，则把节点i移回OPEN表。(7)然后转第(2)步A*算法
我们希望估价函数f是f*的一个估计，此估计可由下式给出：f(n)=g(n)+h(n)其中：g是g*的估计；h是h*的估计。对于g(n)来说。很显然g(n)≥g*(n)。对于h*(n)估计h(n)，它依赖于有关问题的领域的启发信息。
定义1：在GRAPHSEARCH过程中，如果第8步的重排OPEN表是依据f(x)=g(x)+h(x)进行的，则称该过程为A算法。定义2：在A算法中，如果对所有的x，h(x)≤h*(x)成立,则称h(x)为h*(x)的下界，它表示某种偏于保守的估计。定义3：采用h*(x)的下界h(x)为启发函数的A算法，称为A*算法。
三、与或树的搜索算法基本思想：扩展（自上而下）标示（自下而上）结束条件：初始节点为可解或不可解
搜索过程：（1）把原始问题作为初始节点S0,并将其作为当前节点。（2）应用分解或等价变换算符对当前节点进行扩展。（3）为每个子节点设置指向父节点的指针（4）选择合适的子节点作为当前节点,反复应用（2）（3）步，在此期间要多次应用可解标示过程和不可解标示过程，直到初始节点被标示为可解节点或不可解节点。可解标示过程：由可解子节点来确定父节点，祖父节点等为可解节点的过程‘与’节点只有当其子节点全为可解节点时，才为可解节点；‘或’节点只要有一个子节点为可解节点，它就是可解节点。不可解标示过程：由不可解子节点来确定父节点，祖父节点等为不可解节点的过程‘与’节点只要其子节点有一个为不可解节点，它就是不可解节点；‘或’节点只有当其子节点都为不可解节点，它才是不可解节点。
1、与或树的盲目搜索1.1与或树的宽度优先搜索按照“先产生的节点先扩展”的原则进行搜索。与/或树的宽度优先搜索与状态空间的宽度优先搜索的主要差别是，需要在搜索过程中需要多次调用可解标识过程或不可解标识过程.
1.2与或树的深度优先搜索与/或树的深度优先搜索和与/或树的宽度优先搜索过程基本相同，其主要区别在于OPEN表中节点的排列顺序不同。在扩展节点时，与/或树的深度优先搜索过程总是把刚生成的节点放在OPEN表的首部。
2、与或树的启发式搜索2.1与或树的有序搜索解树的代价终止节点：h(x)=0或节点：h(x)=min{c(x,yi)+h(yi)}与节点：h(x)=∑(c(x,yi)+h(yi))或h(x)=max{c(x,yi)+h(yi)}不可扩展的非终止节点：h(x)=∝例子
希望树搜索过程中最有可能成为最优解的那棵树(1)初始节点S0在希望树T(2)如果n是具有子节点n1,n2,…,nk的或节点，则n的某个子节点ni在希望树T中的充分必要条件是h(ni)=min{c(n,ni)+h(ni)}
(3)如果n是与节点，则n的全部子节点都在希望树T中。例子
2.2博弈树在博弈过程中，任何一方都希望自己取得胜利。因此，当某一方当前有多个行动方案可供选择时，他总是挑选对自己最为有利而对对方最为不利的那个行动方案。把上述博弈过程用图表示出来，则得到的是一棵“与或树”。
博弈树的特点
博弈的初始格局是初始节点。在博弈树中，“或”节点和“与”节点是逐层交替出现的。自己一方扩展的节点之间是“或”关系，对方扩展的节点之间是“与”关系。双方轮流地扩展节点。所有自己一方获胜的终局都是本原问题，相应的节点是可解节点；所有使对方获胜的终局都是不可解节点。极大极小分析法
为计算得分，需要根据问题的特性信息定义一个估价函数，用来估算当前博弈树端节点的得分。
当端节点的估值计算出来后，再推算出父节点的得分。推算的方法是：
对“或”节点，选其子节点中一个最大的得分作为父节点的得分，这是为了使自己在可供选择的方案中选一个对自己最有利的方案；对“与”节点，选其子节点中一个最小的得分作为父节点的得分，这是为了立足于最坏的情况。或取大，与取小
如果一个行动方案能获得较大的倒推值，则它就是当前最好的行动方案。
α－ß剪枝技术
或节点取大，可以实时获得下确界；与节点取小，可以实时获得上确界
α剪枝：对于一个与节点MIN,若能估计出其倒推值的上确界β,并且这个β值不大于MIN的父节点(一定是或节点)的估计倒推值的下确界α,即α≥β,则就不必再扩展该MIN节点的其余子节点了
因为或取大，或的子节点是与节点，与节点取小。所以与节点的一个子节点出来后就知道该与节点的最大值β(与节点取小，后面只能把该值调小而已)。该与节点的父节点是或节点，取大，所以当β无法大于此时父节点的值时，后面就无法再大与了，所以该与节点没必要在扩展节点了。
ß剪枝对于一个或节点max，若能估算其下确界α，并且这个α不小于其父节点（与节点）的上确界β，即α≥β，则不必再扩展max的子节点了。
或节点取大，所以可以估算下确界α，后面再扩再扩展只节点，都不可能变小了，而其父节点是与节点，与节点取小有上确界β，不能再变大了，所以α≥β，α对β是没影响的，所以不用再扩展了。
人工智能论文参考文献30个
人工智能论文参考文献30个所属栏目：期刊论文百科问答发布日期：2022-07-0914:59热度：
随着科技的不断发展，人工智能也是越来越普遍，应用于农业、生活、工业、医疗等各方各面。所以关于该方面的研究人员也是有不少的论文发表，尤其是在写作中难免会需要参考一些相关文献，来增加文章的说服力。所以这里也是整理了30个人工智能论文参考文献，供大家参考了解。
[1]人工智能医学应用的文献传播的可视化研究[J].陈俊任,曾瑜,张超,沈建通,杨晓妍.中国循证医学杂志.2021(08)
[2]营销领域人工智能研究综述[J].林子筠,吴琼琳,才凤艳.外国经济与管理.2021(03)
[3]基于人工智能重塑零售价值及创新路径研究[J].蒋侃,覃美连,李姝蓉.价格理论与实践.2021(12)
[4]机器学习在医疗健康数据分析中的应用[J].赵显鹏.电子世界.2020(18)
[5]神经外科手术机器人辅助脑深部电刺激手术的中国专家共识[J].陶英群,巩顺.中国微侵袭神经外科杂志.2021(07)
[6]人工智能在金融行业的应用探析[J].韩志雄,杨紫,洪武.金融科技时代.2019(09)
[7]杭州高新区建设市人工智能创新发展区对策思路研究[J].辛金国,刘昱,金洁.杭州科技.2021(05)
[8]中小企业人工智能发展的困境分析[J].孙千惠,李占强,李昊辰.中国新通信.2021(22)
[9]人工智能对招标采购的影响及对策[J].张保洲,祁顺英,邓预均.招标采购管理.2021(11)
[10]人工智能技术在医药研发中的应用[J].刘伯炎,王群,徐俐颖,褚淑贞.中国新药杂志.2020(17)
[11]人工智能技术在医学影像产业的应用与思考[J].朱森华,章桦.人工智能.2020(03)
[12]基于北斗与5G技术的农业植保无人机运行监管架构设计[J].胡小蒙,王子楷,赵婧冰.智慧农业导刊.2021(03)
[13]国外领先安防巡逻机器人发展现状概述[J].陈甜甜,赵洋.中国安防.2021(11)
[14]关于客服机器人发展历程及未来趋势的思考[J].于焘,郭蒙.中国金融电脑.2022(03)
[15]为理解而学:人工智能时代的知识学习[J].张良,关素芳.湖南师范大学教育科学学报.2021(01)
[16]人工智能时代的知识教学变革[J].王天平,闫君子.湖南师范大学教育科学学报.2021(01)
[17]人工智能与数字出版的创新应用探讨[J].王亮.创新创业理论研究与实践.2018(09)
[18]智能时代影像数字出版发展探究[J].王钧.科技与出版.2021(11)
[19]人工智能时代出版流程再造的机遇与挑战[J].陈进才.现代出版.2020(02)
[20]人工智能时代的翻译技术研究:应用场景、现存问题与趋势展望[J].王华树,王鑫.外国语文.2021(01)
[21]基于多智能体系统的海工装备项目物资仓储管控研究[J].吴晓源,回振超,孙苗苗,王伽轩.船舶工程.2018(04)
[22]人工智能与期刊发展融合的机遇、挑战和实践路径研究[J].陈鸿,刘育猛,裴孟.中国科技期刊研究.2019(03)
[23]人工智能在电力系统中的应用研究与实践综述[J].朱永利,尹金良.发电技术.2018(02)
[24]人工智能AI技术在电力系统的应用[J].靳龙.集成电路应用.2018(11)
[25]人工智能在皮肤病诊断和评估中的作用[J].费文敏,李承旭,韩洋,宁小荔,李可可,王子仪,许静凯,薛珂,徐峰,孟如松,崔勇.中国数字医学.2021(02)
[26]人工智能背后的机器学习[J].罗晓慧.电子世界.2019(14)
[27]基于图像处理技术的中药饮片识别研究[J].谭超群,温川飙,吴纯洁.时珍国医国药.2018(07)
[28]深度学习在图像处理领域中的应用综述[J].殷琪林,王金伟.高教学刊.2018(09)
[29]人工智能如何重构商业模式匹配性?——新电商拼多多案例研究[J].王烽权,江积海,王若瑾.外国经济与管理.2020(07)
[30]5G赋能产业创新智慧养老新模式[J].胡炜.互联网经济.2020(05)
以上就是对人工智能论文参考文献的整理。另外，需要大家注意的是，在引用参考文献时一定要选择正确的格式，不然参考文献算重复率的。所以对于论文中的引|用部分，一定要注明引用来源，并且按规范的格式进行标注，列出参考文献。
文章标题：人工智能论文参考文献30个
转载请注明来自：http://www.sofabiao.com/baike/bk/48576.html
相关问题解答二区sci影响因子大概是多少关注:36
本科生发一篇sci论文的难度大吗关注:47
sci查询h指数的方法关注:28
sci一区的分值是多少关注:34
水泥与混凝土方面的sci优秀刊物关注:30
2023材料领域sci一区期刊有哪些关注:50
专家审回很快是不是有被拒的可能关注:32
scopus期刊有共一作者吗关注:24
博士发sci二区是什么水平关注:53
建议收藏！超实用SCI论文常用句型...关注:26
社科类sci期刊目录
推荐几本国产sci中if大于5的期刊
查看更多期刊论文百科问答